EU refugee理论的评估，分析以及预警模型的建立

庞博

摘要：自2015年以来，大量refugee涌入EU，据EU Frontex统计，2015年以来中，超过180万refugee从海路或陆路抵达EU。而且大多数refugee选择穿越地中海入境EU。面对愈演愈烈的refugee数量增长，2015年9月，EU通过了 Relocation Scheme机制[1]。这一机制计划在两年内从转移共计16万refugee。截止2018年，分配方案的实施时间己过大半，但取得的进展却千分有限。在这种背景下，EU进行Immigration和Immigration管理的理论未取得有效的结果，在此困境中本文尝试对这些理论进行分析和评估，以便为危机的解决寻找更好的方案，利用数据分析和建模的方法，尝试建立一种危机预防和管理的模型。

关键词：refugee;EU;数据分析和建模;预警模型

一、EU refugee的现状与分析

对refugee的数量和来源等信息进行有效监控就显得很重要，便可以及时调整相关refugee理论，有效地防范相关风险。在2016年之后EU refugee数量的减少，也让我们发现监控入欧refugee潮、监控EU外部边界的管控、向成员国提供行动和技术支持等行为是有作用的。因此我们可以构建一套指标体系，利用数据分析的方法尝试去建立这样一种预警模型。

二、数据的分析与建模

动态因子模型（Dynamic Factor Model， DFM）是一种对经济变量的维度进行压缩，提取经济现象背后的“隐性推动因素”进行相关分析和预测的模型。动态因子模型可从若干个变量中提取潜在的、观察不到的共同趋势，并利用这个共同趋势即动态因子对经济变量进行预测。动态因子模型的基本形式为：

三、数据分析

回归结果显示：在的显著性水平下，各个指标的统计性都很显著。从回归模型中系数的符号可以看出：来自Syrian的refugee数量、来自Afghanistan的refugee数量、来自Iraq的refugee数量、refugee平均安置成本这4个变量对于refugee危机和refugee理论的影响是是正向且显著的，这些指标数值越大，发生危机的概率就越大。接纳refugee的资源和refugee登记与审核人力的投入这两个变量的影响程度小于上述四个变量，可能是因为自2016年以来，尤其是2017年以来refugee数量的减少使得各个Country资源紧缺的情况已经有所缓解。边境管理人员的投入增加或减少往往是滞后于危机发生的，因此可能在模型上对于我们所研究的问题影响程度不大，但是基于EU实践来看，有效地安排边境管理人员，推动EU统一refugee身份认证是有着重要意义的。refugee自愿返回人数这一变量的影响程度最低，一方面是因为实际情况上refugee自愿返回人数较少，二是这一指标可能也具有滞后性。

综合来看，上述的数据基本与实际情况相符，也反映了该模型在某种程度上可以说是有效的，对于refugee数量有着一定的预测作用。随着每年refugee情况的变化，模型还有很大的调整空间。对EU Country和EU来说，通过refugee理论的收紧，减少入欧的寻求避难者的数量和规模的目标已经实现，但甄别和处理急劇增长的避难申请的任务依然是EU Country和EU亟待解决的紧迫任务。因此，做好对refugee数量的监控和预警就显得尤为重要了。

注释：

[1]Relocation and Resettlement， EUropean Commission， http：//ec.EUropa.EU/home-affairs/homeaffairs/files/what-we-d0/polices/EUropean-agenda-migration